API 对接文档

参数说明

下面解释示例代码里每个关键参数的来源和作用。

BASE URL

加载中...

API Key

加载中...

model

加载中...

messages

对话消息数组。常用格式是 { role: 'user', content: '你的问题' }，平台会把它转发给所选模型。

stream

加载中...

max_tokens

加载中...

查询钱包余额

客户自己的系统可以用 API Key 调用 GET /v1/wallet/balance 查询当前 Key 归属账户的钱包余额。所有金额返回参数统一以“元”为单位，例如 balance: "998.68707820"，接口不再返回 E8 原始整数金额字段。团队成员 Key 返回主账号钱包余额，成员自身的日/月/总人民币额度用于调用限额控制。

curl 示例

加载中...

JavaScript 示例

加载中...

Python 示例

加载中...

接口返回当前 API Key 归属账户的人民币钱包信息。所有金额字段单位均为“元”，并以字符串返回，最多保留 8 位小数；不建议使用 JavaScript 浮点数直接参与账务计算。

balance钱包余额，单位：元。例如 998.68707820。

frozen当前调用预结算冻结金额，单位：元。

available钱包可用余额，单位：元，等于钱包余额减去冻结金额。

total_recharged累计充值金额，单位：元。

total_consumed累计模型调用实际结算金额，单位：元。

outstanding待处理欠款金额，单位：元。

对话与多模态理解（标准接口）

文本、图片、音频和视频理解统一调用 POST /v1/chat/completions。把示例中的 YOUR_API_KEY 替换为你在 API Key 管理中创建的 Key，把 model 替换为模型中心中具备对应输入能力的模型 ID。

文本对话 curl 示例

加载中...

图片理解 curl 示例

加载中...

音频理解 curl 示例

加载中...

视频理解 curl 示例

加载中...

多模态 JavaScript 示例

加载中...

返回示例

加载中...

多模态内容放在 messages[].content 数组中，文本块与媒体块可以组合发送。媒体 URL 必须能被模型渠道通过公网访问，建议使用 HTTPS。视频理解示例使用兼容格式：通过 image_url 内容块承载 MP4 URL；平台会按模型绑定渠道的协议处理。请勿仅根据 HTTP 200 判断模型已读取媒体，应同时检查回答是否准确描述了实际内容。

text文本提示词。使用 { "type": "text", "text": "请描述内容" }。

image_url图片输入，或兼容渠道的视频输入。URL 放在 image_url.url；图片可使用 JPG、PNG、WebP，视频兼容模式可使用 MP4。

input_audio音频输入。data 填公网音频 URL，format 填 mp3、wav、m4a 等实际格式。

video_url标准视频内容块。仅在所选模型渠道明确支持 video_url 时使用；当前兼容示例优先使用 image_url 承载 MP4 URL。

stream多模态理解可使用 false 获取完整 JSON；只有模型和渠道均支持时才使用 true。

model必须选择具有图片、音频或视频输入能力的模型。普通文本模型可能忽略媒体内容块或返回不支持错误。

获取可用模型列表

调用该接口可以获取当前 API Key 有权限使用的模型 ID，再把模型 ID 填到对话请求里的 model 字段。

加载中...

音视频翻译模型对接示例

音频、视频翻译同样走 POST /v1/chat/completions，客户端先把音频或视频上传到公网可访问地址，再把文件 URL 放到消息内容里。模型 ID 请替换为模型中心里的音视频翻译模型 ID。

音频翻译 curl 示例

加载中...

视频翻译 curl 示例

加载中...

JavaScript 示例

加载中...

Python 示例

加载中...

返回示例

加载中...

常用字段：target_lang 为目标语言，例如 zh、en；source_lang 为源语言，可省略让模型自动识别；modalities: ["text"] 表示只返回翻译文本。如果上游模型支持配音输出，可改为 ["text", "audio"] 并传入 audio 参数。返回体里的 usage.prompt_tokens、usage.completion_tokens、usage.total_tokens 用于模型用量统计；人民币扣费以钱包账单中的 E8 金额为准。

input_audio音频输入，data 填公网音频 URL，format 填 mp3、wav、m4a 等格式。

video_url视频输入，url 填公网视频 URL，建议使用 mp4 等通用格式。

target_lang目标语言代码。中文建议 zh，英文建议 en。

modalities输出类型。只要字幕/文本时使用 ["text"]；需要语音结果时使用 ["text", "audio"]。

非实时语音合成 · CosyVoice

调用 POST /v1/audio/cosyvoice/speech，将文本、SSML 或含 LaTeX 公式的内容合成为音频。当前统一提供非流式响应。

请求示例

curl -X POST "$API_BASE/v1/audio/cosyvoice/speech" \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "cosyvoice-v3-flash",
    "input": {
      "text": "你好，欢迎使用万象算力",
      "voice": "longanyang",
      "format": "mp3",
      "sample_rate": 24000,
      "volume": 50,
      "rate": 1,
      "pitch": 1,
      "seed": 0,
      "language_hints": ["zh"]
    }
  }'

请求头

Authorizationstring必填

使用 Bearer <API_KEY> 格式提交万象算力 API Key。

Content-Typestring必填

固定为 application/json。

基础请求字段

modelstring必填

模型名称。支持 cosyvoice-v3.5-plus、cosyvoice-v3.5-flash、cosyvoice-v3-plus、cosyvoice-v3-flash、cosyvoice-v2。不同模型支持的音色和高级能力可能不同。

streamboolean可选

当前接口为非实时语音合成，请传 false 或省略；传 true 将返回 tts_realtime_not_supported。

合成参数 · input

input.textstring必填

待合成文本。支持普通文本、SSML 和 LaTeX 公式；使用 SSML 时必须同时将 input.enable_ssml 设为 true，LaTeX 无需额外开关。

input.voicestring必填

音色 ID，支持与所选模型匹配的系统音色、声音复刻音色和声音设计音色。音色不能跨模型混用，文本语种应与音色支持的语言一致。调用 cosyvoice-v3.5-plus 或 cosyvoice-v3.5-flash 时可传 platform-default 使用平台为该模型配置的默认复刻音色，或填写已为该模型创建的真实音色 ID；不能使用下列系统音色。

常用系统音色示例（适用于支持系统音色的模型，不适用于 v3.5）

音色说明

cosyvoice-v3.5-plus 和 cosyvoice-v3.5-flash 请使用 platform-default 或该模型对应的复刻/设计音色 ID。
系统音色可能持续更新，实际可用范围以当前模型和账号为准。
声音复刻或声音设计生成的音色，请填写对应功能返回的音色 ID。
同名音色在不同模型版本中可能带有 _v2、_v3 后缀，请勿混用。

input.formatstring可选

音频编码格式，支持 mp3、pcm、wav、opus，默认 mp3。

input.sample_rateinteger可选

采样率（Hz），支持 8000、12000、16000、22050、24000、44100、48000，默认 22050。当格式为 opus 时仅支持 8000、12000、16000、24000、48000。

input.volumeinteger可选

音量，范围 0～100，默认 50。

input.ratenumber可选

语速，范围 0.5～2.0，默认 1.0。

input.pitchnumber可选

音调倍率，范围 0.5～2.0，默认 1.0。

input.bit_rateinteger可选

音频码率，单位 kbps，范围 6～510，默认 32；仅当 input.format 为 opus 时可用。

input.seedinteger可选

随机种子，范围 0～65535，默认 0。模型、文本、音色和其他参数一致时，相同种子有助于复现合成效果。

文本与语言控制 · input

input.enable_ssmlboolean可选

是否解析 input.text 中的 SSML，默认 false。仅支持与模型匹配的复刻音色或明确支持 SSML 的系统音色；SSML 内容必须使用 <speak>...</speak> 包裹。

input.language_hintsarray<string>可选

目标朗读语种提示。当前建议只传一个元素；该参数不会翻译输入文本，输入文本应与目标语种一致。

input.instructionstring可选

合成指令，用于控制支持该能力的音色所表现的方言、情感、角色或说话风格。具体效果取决于模型和音色。

input.hot_fixobject可选

文本热修复配置，可通过 pronunciation 自定义指定词语发音，或通过 replace 在合成前替换文本。cosyvoice-v2 不支持。

input.hot_fix.pronunciationarray<object>可选

自定义发音列表。每一项以“原词语”为键、以带声调数字的拼音为值，例如 {"天气":"tian1 qi4"}。

input.hot_fix.replacearray<object>可选

文本替换列表。每一项以“原文本”为键、以“替换文本”为值，例如 {"今天":"金天"}。

input.enable_markdown_filterboolean可选

是否在合成前过滤 Markdown 标记，默认 false。当前主要适用于 cosyvoice-v3-flash 的复刻音色。

input.word_timestamp_enabledboolean可选

字级时间戳仅适用于实时/流式模式；当前非实时接口请省略或传 false，传 true 将返回 tts_realtime_not_supported。

AIGC 标识 · input

input.enable_aigc_tagboolean可选

是否在支持的 wav、mp3 或 opus 音频中写入 AIGC 隐性标识，默认 false。适用于 cosyvoice-v3-flash、cosyvoice-v3-plus、cosyvoice-v2。

input.aigc_propagatorstring可选

AIGC 隐性标识中的内容传播者，仅在 input.enable_aigc_tag=true 时生效。

input.aigc_propagate_idstring可选

AIGC 隐性标识中的传播行为唯一编号，仅在 input.enable_aigc_tag=true 时生效。

平台响应字段

idstring

万象算力生成的语音任务编号。

objectstring

固定为 audio.speech。

createdinteger

响应生成时间，Unix 秒级时间戳。

modelstring

本次使用的平台模型名称。

statusstring

成功时为 completed。

audio.contentstring

Base64 编码的完整音频内容。

audio.urlstring

万象算力生成的音频下载地址；顶层 audio_url 返回相同地址。

audio.formatstring

实际返回的音频格式。

audio.mime_typestring

音频 MIME 类型，例如 audio/mpeg 或 audio/wav。

usage.input_charactersinteger

本次计费的输入字符数。

usage.total_charactersinteger

本次请求计费字符总数。

usage.billing_unitstring

计费单位，当前为 character。

providerstring

本次实际执行的渠道标识。

request_idstring

请求追踪编号，排查问题时请保留。

非实时语音合成 · Qwen-Audio-TTS

调用 POST /v1/audio/qwen-audio-tts/speech，使用 Qwen-Audio-TTS 将文本合成为音频。当前统一提供非流式响应。

当前仅支持非流式 HTTP 合成。请省略 stream 或传 false；传 true，或将 input.word_timestamp_enabled 设为 true，将返回 tts_realtime_not_supported。

请求示例

curl -X POST "$API_BASE/v1/audio/qwen-audio-tts/speech" \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "qwen-audio-3.0-tts-flash",
    "input": {
      "text": "你好，欢迎使用万象算力",
      "voice": "longanhuan_v3.6",
      "format": "mp3",
      "sample_rate": 24000,
      "volume": 50,
      "rate": 1,
      "pitch": 1,
      "language_hints": ["zh"]
    }
  }'

请求头

Authorizationstring必填

使用 Bearer <API_KEY> 格式提交万象算力 API Key。

Content-Typestring必填

固定为 application/json。

基础请求字段

modelstring必填

支持 qwen-audio-3.1-tts-plus、qwen-audio-3.1-tts-flash、qwen-audio-3.0-tts-plus、qwen-audio-3.0-tts-flash。

streamboolean可选

当前请传 false 或省略；传 true 将返回 tts_realtime_not_supported。

合成参数 · input

input.textstring必填

待合成文本。使用 SSML 时同时设置 input.enable_ssml=true。

input.voicestring必填

与模型匹配的音色 ID，例如 longanhuan_v3.6；也可传 platform-default，由平台映射到该模型当前配置的默认音色。音色必须与所选模型兼容。

input.formatstring可选

支持 mp3、pcm、wav、opus，默认 mp3。

input.sample_rateinteger可选

采样率（Hz），支持 8000、12000、16000、22050、24000、44100、48000。

input.volumenumber可选

音量，范围 0～100，默认 50。

input.ratenumber可选

语速，范围 0.5～2.0，默认 1.0。

input.bit_rateinteger可选

Opus 码率（kbps），范围 6～510；仅用于 input.format=opus。

input.pitchnumber可选

音调倍率，范围 0.5～2.0，默认 1.0。

input.enable_ssmlboolean可选

是否将文本按 SSML 解析，默认 false。

input.word_timestamp_enabledboolean可选

字级时间戳仅适用于实时模式；当前请省略或传 false。

input.seedinteger可选

随机种子，范围 0～65535。

input.language_hintsarray<string>可选

朗读语种提示，仅传一个元素，例如 zh、en、ja；qwen-audio-3.1-tts-flash 还可使用 other。该参数不会翻译文本。

input.instructionstring可选

合成指令，用于控制支持该能力的模型所表现的情感、角色或说话风格。

input.hot_fixobject可选

文本热修复配置，可设置自定义发音或合成前文本替换。

AIGC 标识 · input

input.enable_aigc_tagboolean可选

是否在支持的音频格式中写入 AIGC 隐性标识。

input.aigc_propagatorstring可选

AIGC 标识中的内容传播者。

input.aigc_propagate_idstring可选

AIGC 标识中的传播行为唯一编号。

平台响应字段

idstring

万象算力生成的语音任务编号。

objectstring

固定为 audio.speech。

modelstring

本次使用的平台模型名称。

statusstring

成功时为 completed。

audio.contentstring

Base64 编码的完整音频内容。

audio.urlstring

音频下载地址；顶层 audio_url 返回相同地址。

audio.formatstring

实际返回的音频格式。

usage.input_charactersinteger

本次计费的输入字符数。

usage.total_charactersinteger

本次请求计费字符总数。

request_idstring

请求追踪编号，排查问题时请保留。

非实时语音合成 · MiniMax

调用 POST /v1/audio/minimax/speech，将文本合成为音频。支持音色、语速、音量、语调、情绪、输出音频、发音词典、混合音色、语种增强、文本归一化、声音效果和字幕等设置。

请求示例

curl -X POST "$API_BASE/v1/audio/minimax/speech" \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "speech-2.8-hd",
    "text": "你好，欢迎使用万象算力",
    "stream": false,
    "voice_setting": {
      "voice_id": "male-qn-qingse",
      "speed": 1,
      "vol": 1,
      "pitch": 0,
      "emotion": "happy"
    },
    "audio_setting": {
      "format": "mp3",
      "sample_rate": 32000,
      "bitrate": 128000,
      "channel": 1
    },
    "language_boost": "Chinese",
    "subtitle_enable": false
  }'

请求头

Authorizationstring必填

使用 Bearer <API_KEY> 格式提交万象算力 API Key。

Content-Typestring必填

固定为 application/json。

基础请求字段

modelstring必填

模型名称。支持 speech-2.8-hd、speech-2.8-turbo、speech-2.6-hd、speech-2.6-turbo、speech-02-hd、speech-02-turbo、speech-01-hd、speech-01-turbo。

textstring必填

待合成文本，长度须小于 10000 个字符。可用换行符分段；可在两个可发音文本之间使用 <#x#> 设置 0.01～99.99 秒停顿。

streamboolean可选

当前接口为非实时语音合成，请传 false 或省略；不支持 true。

音色参数 · voice_setting

voice_setting.voice_idstring必填*

合成音频的音色编号。支持系统音色、复刻音色和文生音色。使用 timbre_weights 设置混合音色时，本参数可传空字符串；未使用混合音色时必须填写。以下列出部分常用系统音色 ID：

中文

英文

日文

粤语

粤语使用说明

使用上述粤语音色时，请同时将 language_boost 设置为 Chinese,Yue。

音色说明

系统支持的音色可能持续更新；实际可用音色以当前账号可查询或可选择的音色为准。
复刻音色和文生音色请填写对应功能生成的音色 ID。
使用混合音色时，请在 timbre_weights 中设置各音色的 voice_id 和权重，并将本字段设为空字符串。

voice_setting.speednumber可选

语速，范围 0.5～2，默认 1。

voice_setting.volnumber可选

音量，范围 (0, 10]，默认 1。

voice_setting.pitchinteger可选

语调，整数范围 -12～12，默认 0。

voice_setting.emotionstring可选

情绪。可选 happy、sad、angry、fearful、disgusted、surprised、calm、fluent、whisper；具体支持情况与模型有关。

voice_setting.latex_readboolean可选

是否朗读由 $$ 包围的 LaTeX 公式，默认 false，仅适用于中文文本。

音频参数 · audio_setting

audio_setting.formatstring可选

音频格式，支持 mp3、pcm、flac、wav、pcmu_raw、pcmu_wav、opus，默认 mp3。

audio_setting.sample_rateinteger可选

采样率，可选 8000、16000、22050、24000、32000、44100，默认 32000。

audio_setting.bitrateinteger可选

MP3 比特率，可选 32000、64000、128000、256000，默认 128000。

audio_setting.channelinteger可选

声道数，1 为单声道，2 为双声道，默认 1。

扩展参数

pronunciation_dict.tonestring[]可选

自定义发音规则数组，每项使用 原文/替换内容 格式，替换内容可使用文本、带声调数字的拼音、IPA 音标或日语假名。

timbre_weightsobject[]可选

混合音色列表，最多 4 项。每项包含 voice_id 和整数权重 weight，权重范围 1～100。

language_booststring可选

增强指定语种或方言的识别能力，可使用 Chinese、Chinese,Yue、English、Japanese、Korean、auto 等支持值。该参数不会翻译输入文本，文本应与指定语种一致。

text_normalization_modestring可选

文本归一化模式，可选 basic 或 quality；quality 仅对部分模型的非流式请求生效。

voice_modifyobject可选

声音效果设置。pitch、intensity、timbre 为 -100～100 的整数；sound_effects 可选 spacious_echo、auditorium_echo、lofi_telephone、robotic。

subtitle_enableboolean可选

是否生成字幕，默认 false。

subtitle_typestring可选

字幕粒度，可选 sentence、word。当前接口不支持流式，因此不要使用 word_streaming。

output_formatstring可选

当前接口固定使用 hex 获取合成结果；可省略或传 hex。客户响应中的音频内容统一为 Base64 编码。

aigc_watermarkboolean可选

是否在合成音频末尾添加音频节奏标识，默认 false。

平台响应字段

audio.contentstring成功返回

生成音频的 Base64 编码内容。

audio.url / audio_urlstring成功返回

生成音频的访问地址。

audio.formatstring成功返回

实际返回的音频格式。

audio.mime_typestring成功返回

音频 MIME 类型。

usage.input_charactersinteger成功返回

本次请求的计费字符数。

subtitle_urlstring按需返回

启用字幕且生成成功时返回的字幕文件地址。

request_idstring成功返回

万象算力请求标识，可用于排查问题。

非实时语音合成 · Seed

调用 POST /v1/audio/seed/speech，使用 Seed 模型将文本合成为语音。支持音色选择、输出格式、采样率、语速、音量、字幕及多语种等功能。

请求示例

curl -X POST "$API_BASE/v1/audio/seed/speech" \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "seed-tts-2.0",
    "req_params": {
      "text": "你好，欢迎使用万象算力",
      "speaker": "zh_female_vv_uranus_bigtts",
      "audio_params": {
        "format": "mp3",
        "sample_rate": 24000,
        "bit_rate": 64000,
        "speech_rate": 0,
        "loudness_rate": 0,
        "enable_subtitle": true
      },
      "additions": "{\"silence_duration\":500,\"disable_markdown_filter\":true,\"explicit_language\":\"zh-cn\"}"
    }
  }'

请求头

Authorizationstring必填

万象算力 API Key，格式为 Bearer <API_KEY>。

Content-Typestring必填

固定为 application/json。

请求体 · req_params

modelstring必填

必填。模型 ID，例如 seed-tts-2.0；声音复刻功能可使用平台模型列表中提供的对应 Seed ICL 模型 ID。

req_paramsobject必填

必填。Seed 语音合成参数对象，包含待合成文本、音色及音频设置等字段。

req_params.textstring必填

必填，待合成文本。

req_params.speakerstring必填

必填，音色 ID。音色必须与所选模型匹配。

req_params.modelstring可选

可选，复刻音色使用的模型版本，默认 seed-tts-2.0-standard。仅当 speaker 为复刻音色时需要；指定后不支持 context_texts。

req_params.ssmlstring可选

可选，SSML 标记文本。目前仅中英文音色支持。启用时需将 additions.disable_markdown_filter 设置为 false；命中发音词典的片段不支持 SSML，建议二者择一。

音频参数 · audio_params

formatstring可选

输出格式，默认 mp3；支持 mp3、pcm、ogg_opus、wav。

sample_rateint可选

采样率，单位 Hz。wav/pcm/mp3 默认 24000，可选 8000/16000/22050/24000/32000/44100/48000；ogg_opus 仅支持 48000。

bit_rateint可选

比特率，单位 bps。mp3 默认 64000，支持 64000/160000；ogg_opus 支持 64000/160000；wav/pcm 不支持。启用 disable_default_bit_rate 后可选 16000/32000/64000/160000。

speech_rateint可选

语速，默认 0，范围 -50～100；-50 约为 0.5 倍速，100 约为 2.0 倍速。

loudness_rateint可选

音量，默认 0，范围 -50～100；-50 约为 0.5 倍音量，100 约为 2.0 倍音量。

enable_subtitlebool可选

是否返回字级时间戳，默认 false；仅支持中文和英文。

扩展参数 · additions

additions 必须是 JSON 序列化后的字符串，不是直接嵌套对象。例如："additions": "{\"silence_duration\":500}"。

max_length_to_filter_parenthesisint可选

过滤括号内文本的最大长度，单位字符，默认 0（不过滤），推荐范围 0～100。括号内容超过设定值时不会被过滤。

silence_durationint可选

文本末尾静音时长，单位 ms，默认 0，范围 0～30000。

disable_markdown_filterbool可选

默认 false。设为 true 时解析并去除 Markdown 语法；设为 false 时保留原始字符。

disable_emoji_filterbool可选

默认 false。设为 true 时解析并去除 Emoji；设为 false 时保留 Emoji 字符。

disable_default_bit_ratebool可选

设为 true 后允许使用扩展比特率 16000/32000/64000/160000，仍需与音频格式能力匹配。

latex_parserstring可选

LaTeX 文本朗读能力，可设为 v2。适合教育场景，会增加一定时延；启用时需同时设置 disable_markdown_filter=true。

explicit_languagestring可选

指定朗读语种。开启后仅朗读指定语种的文本，其他语种内容会被跳过或合成失败。支持的参数值如下：

说明

输入文本语种须与 explicit_language 指定的语种一致，不一致时合成效果不予保证。
豆包语音合成模型 2.0 音色列表中，仅命名为 zh_xxx_xxxx_uranus_bigtts 的音色支持 nl、no、uk、fi、da、cs、hu、el、ro、hi、es-es 等语种。

enable_auto_language_recognitionbool可选

自动多语种识别，默认 false。系统根据首句识别语种；若同时设置 explicit_language，以后者为准。

explicit_dialectstring可选

指定方言：beijing/dongbei/henan/shaanxi/shanghai/sichuan/tianjin/yue。所选 speaker 必须支持对应方言。

aigc_watermarkbool可选

是否在合成音频结尾添加 AIGC 节奏标识，默认 false。

aigc_metadataobject可选

Meta 隐式水印对象，适用于 mp3/wav/ogg_opus。子字段：enable、content_producer、produce_id、content_propagator、propagate_id。

post_process.pitchint可选

后处理音调，默认 0，范围 -12～12；数值越大音调越高，越小音调越低。

context_textsarray可选

语音指令字符串数组，仅豆包语音合成模型 2.0 音色支持，字段文字不参与计费；复刻音色指定 req_params.model 时不可使用。

section_idstring可选

段落标识，用于保持跨包语义；仅支持豆包语音合成模型 2.0 音色和声音复刻模型 2.0 音色。

tone_fidelitybool可选

还原模式，默认 false，尽可能还原上传 Prompt 音频的音色与风格；仅适用于声音复刻模型 2.0，同语种合成，不支持跨语种。

pronunciation_dict.tonearray可选

发音词典规则数组。格式为 原词/(拼音音节) 或 原词/目标文本；最多 5000 条，每个原词不超过 9 个字符，不能为空、含空格或重复。

平台成功响应

{
  "id": "tts_...",
  "object": "audio.speech",
  "status": "completed",
  "audio": {
    "content": "BASE64_AUDIO",
    "url": "https://www.wxaq.com/generated-audio/202610/example.mp3",
    "format": "mp3",
    "mime_type": "audio/mpeg"
  },
  "audio_url": "https://www.wxaq.com/generated-audio/202610/example.mp3",
  "usage": {
    "input_characters": 12,
    "total_characters": 12,
    "billing_unit": "character"
  },
  "request_id": "gw_..."
}

平台响应字段

audio.contentstring

生成音频的 Base64 编码内容。

audio.url / audio_urlstring

生成音频的可访问地址；以实际响应是否提供为准。

usage.input_charactersint

本次语音合成的计费文本字数，包含标点符号。

request_idstring

万象算力请求 ID，用于查询调用记录和故障排查。

图片生成模型对接示例

调用 POST /v1/images/generations 根据文本提示词生成图片。请求头需携带 Authorization: Bearer YOUR_API_KEY 和 Content-Type: application/json；模型 ID 请以 GET /v1/models 或模型中心中实际可用的图片生成模型为准。

curl 示例

加载中...

JavaScript 示例

加载中...

Python 示例

加载中...

URL 返回示例

加载中...

Base64 返回示例

加载中...

图片参数的实际支持值取决于所选模型，平台可能根据模型策略规范化尺寸、质量、格式等参数，最终请以接口响应为准。生成费用以模型定价页和钱包最终结算账单为准；响应中的 Token 明细是否提供也取决于所选模型。

model必填。图片生成模型 ID，例如 gpt-image-1.5；请先确认当前 API Key 有该模型权限。

prompt必填。图片描述文本，应清晰说明主体、场景、构图、风格和光影。

n可选。生成图片数量，平台接受范围为 1～64，所选模型可能有更严格限制。

size可选。期望图片尺寸，例如 1024x1024；实际支持尺寸及最终输出尺寸以模型和响应为准。

quality可选。图片质量档位，例如 low、medium、high 或 auto，以模型支持为准。

response_format可选。响应承载方式，常见值为 url 或 b64_json；是否支持由所选模型决定。

output_format可选。图片文件格式，例如 png、jpeg 或 webp，以模型支持为准。

background可选。背景模式，例如 auto、opaque 或 transparent；透明背景通常还要求输出格式支持透明通道。

data[].url返回 URL 时，生成图片地址位于该字段。请及时下载保存，地址可能具有有效期。

data[].b64_json返回 Base64 时，生成图片内容位于该字段；示例仅使用占位符，不展示真实图片数据。

usage响应可能包含输入、输出和总 Token，并在 input_tokens_details、output_tokens_details 中区分文本与图片 Token；实际字段以所选模型的响应为准。

视频生成模型对接示例

视频生成模型建议走专用接口 POST /v1/videos/generations 创建任务，再用 GET /v1/videos/generations/{taskId} 查询结果。模型 ID 请替换为模型中心里的视频生成模型 ID，例如 Seedance 2.0 或 Vidu 对应的平台模型 ID。

文生视频 curl 示例

加载中...

图生视频 curl 示例

加载中...

视频生视频 curl 示例

加载中...

首尾帧生视频 curl 示例

加载中...

查询任务 curl 示例

加载中...

JavaScript 创建与查询示例

加载中...

Python 创建与查询示例

加载中...

视频生成通常是异步任务：创建接口返回 id 或 task_id 后，客户端建议每 5-10 秒查询一次。状态为 succeeded 时读取 output.video_url、video_url 或 output_url；状态为 failed 时展示失败原因。

content输入内容数组，通常包含一段 type: "text" 的提示词；图生视频可同时传 image_url，视频生视频可同时传 video_url。

generation_type生成类型：text_to_video、image_to_video、video_to_video 或 start_end_to_video。首尾帧生视频使用 start_end_to_video。

images首尾帧生视频必填且只能传 2 张图片 URL，顺序固定为第 1 张首帧、第 2 张尾帧。

resolution视频清晰度，例如 480p、720p、1080p，以模型实际支持为准。

ratio视频比例，例如 16:9、9:16、1:1。

duration输出视频时长，单位秒。不同模型可用时长可能不同，请按模型中心配置为准。调用 MiniMax-H3 的 video_to_video 时，平台会在服务端按输入视频最长 15 秒加输出时长保守预冻结，不采信客户端声明的输入时长；最终以上游实际 Usage 结算并自动释放差额。

查询当月模型用量

使用 API Key 查询其归属计费账户在当前自然月内，各模型已经完成结算的人民币消费金额。团队成员 Key 返回主账户整体用量，不按单个 Key 拆分；消费为 0 的模型不会返回。

curl 查询示例

加载中...

JavaScript 查询示例

加载中...

Python 查询示例

加载中...

成功返回示例

加载中...

接口：GET /v1/usage/monthly/models。月份固定按 Asia/Shanghai 划分，只统计状态为已结算的账单；金额单位为人民币元，字符串格式并固定保留两位小数。

month当前统计月份，格式为 YYYY-MM。

models[].model平台模型 ID。

models[].request_count该模型本月已结算的调用账单数量。

models[].amount该模型本月客户实际消费金额，单位为元，固定两位小数；不包含上游成本等内部数据。

查询调用记录

每次模型调用的非流式 JSON 返回体都会包含 request_id，响应头同时包含 x-request-id；流式调用请从响应头读取 x-request-id。使用创建该调用的同一个 API Key，可按请求 ID 查询本次调用的模型、状态、Token、耗时和客户计费金额。

curl 查询示例

加载中...

JavaScript 查询示例

加载中...

Python 查询示例

加载中...

成功返回示例

加载中...

接口：GET /v1/usage/requests/{request_id}。记录不存在或请求 ID 不属于当前 API Key 时，均返回 404 usage_record_not_found，不会泄露其他客户的调用记录。异步视频任务创建响应中的 request_id 同样可用于查询。

request_id模型调用唯一请求 ID。普通 JSON 从返回字段读取；SSE 流式调用从 x-request-id 响应头读取。

usage本次调用的输入、输出和总 Token；非 Token 类模型可能为 0，以计费字段为准。

billing.amount客户侧人民币消费金额，字符串格式，单位为元；不会返回平台上游成本或内部路由信息。

status调用状态，例如 success、pending 或 error。

错误码说明

以下错误面向使用 API Key 调用平台接口的客户端排查。

INVALID_API_KEYAPI Key 缺失、填写错误、已禁用或失效。检查 Authorization: Bearer YOUR_API_KEY。

INSUFFICIENT_BALANCE算力余额不足，请充值或联系上级账户处理额度。

MODEL_NOT_FOUND模型 ID 不存在或当前不可用，请从模型中心复制正确 ID。

MODEL_NOT_ALLOWED当前 API Key 没有使用该模型的权限。

NO_CHANNEL_AVAILABLE所选模型暂时没有可用通道，请更换模型或稍后重试。

RATE_LIMIT_EXCEEDED达到每分钟或每日请求数/Token 限制，请降低调用频率。

BAD_REQUEST请求体格式不正确，例如 messages 为空、Content-Type 缺失或参数超限。

STREAM_NOT_SUPPORTED所选模型或通道不支持流式能力，请改用 stream=false。

REQUEST_TIMEOUT模型响应较慢或网络不稳定，可稍后重试并适当缩短输入。